基于傳感器的環(huán)境探測(cè)與導(dǎo)航

基于傳感器的環(huán)境探測(cè)與導(dǎo)航

1環(huán)境探測(cè)方法隨著機(jī)器人技術(shù)的發(fā)展，機(jī)器人在社會(huì)服務(wù)、野外作業(yè)以及在有害和危險(xiǎn)環(huán)境中的應(yīng)用受到了世界各國的高度重視。因此研究能夠在復(fù)雜環(huán)境中自主運(yùn)動(dòng)和自動(dòng)作業(yè)的智能自主移動(dòng)機(jī)器人勢(shì)在必行。移動(dòng)機(jī)器人要實(shí)現(xiàn)在未知和不確定環(huán)境下運(yùn)行,必須具備自動(dòng)導(dǎo)航和避障功能。導(dǎo)航和避障的方法有很多,如基于地圖導(dǎo)航、基于航標(biāo)導(dǎo)航、基于視覺導(dǎo)航、基于傳感器導(dǎo)航等。無論采用哪種導(dǎo)航方法,自主移動(dòng)機(jī)器人都應(yīng)具有路徑規(guī)劃與避障、探測(cè)與定位等功能。本文主要討論基于傳感器的環(huán)境探測(cè)和導(dǎo)航問題。在移動(dòng)機(jī)器人的導(dǎo)航系統(tǒng)中,傳感器起著舉足輕重的作用。探針式、電感式、電容式、力學(xué)傳感器、雷達(dá)傳感器、光電傳感器、聲學(xué)傳感器等都在實(shí)際系統(tǒng)中得到了廣泛的應(yīng)用。針對(duì)距離和障礙的探測(cè),目前主要采用超聲波和紅外線傳感器。由于超聲波傳感器信息處理簡(jiǎn)單、快速和價(jià)格低,因此廣泛應(yīng)用于各種移動(dòng)機(jī)器人。超聲波傳感器是一個(gè)時(shí)間快速系統(tǒng),當(dāng)聲波超出一定的門檻電平時(shí),給出的范圍有效。聲波幅值依賴于返回波的傾斜角度,在一定的射線開放角度范圍內(nèi),能夠測(cè)量到物體間的最短距離。然而,當(dāng)傾斜角太大時(shí),波就被反射掉了。最大傾斜角依賴于平面的材料。文中假設(shè)最大傾斜角為30°。如圖1所示,當(dāng)傳感器從正常方向偏轉(zhuǎn)時(shí),它得到了第一束由射線邊緣而不是射線中心反射回來的波,從而導(dǎo)致了對(duì)環(huán)境辨識(shí)的困難。通過在不同方向、不同位置安置多個(gè)超聲波傳感器和通過研究測(cè)出的距離與實(shí)際距離的幾何關(guān)系來解決這個(gè)問題,就使辨識(shí)困難這個(gè)問題變成了在傳感器測(cè)得的原始數(shù)據(jù)與希望數(shù)據(jù)之間推導(dǎo)出幾何關(guān)系的問題。這樣的測(cè)試是高度非線性的,沒有特殊的方法可沿用。在這種情況下,往往采用數(shù)據(jù)融合技術(shù)來提高檢測(cè)精度。2s-d證據(jù)推理方法目前在多傳感器數(shù)據(jù)融合方面使用的方法有加權(quán)平均、貝葉斯估計(jì)、卡爾曼濾波、S-D推理、統(tǒng)計(jì)決策理論、生產(chǎn)式規(guī)則、模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)等方法。加權(quán)平均法是將一組傳感器提供的冗余信息數(shù)據(jù)進(jìn)行加權(quán)平均,并將加權(quán)平均值作為信息融合值,它是一種最簡(jiǎn)單、最直觀的多傳感器低層數(shù)據(jù)融合方法。貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法,其信息描述概率分布,適用于具有可加高斯噪聲的不確定性。S-D證據(jù)推理方法是貝葉斯方法的擴(kuò)展,貝葉斯方法中,當(dāng)一個(gè)傳感器可用附加信息或未知前提的數(shù)目大于已知前提的數(shù)目時(shí),已知前提的概率變得不穩(wěn)定,S-D方法中,使用了一個(gè)不穩(wěn)定區(qū)間,可以通過不穩(wěn)定未知前提的先驗(yàn)概率避免貝葉斯方法的不足。S-D方法的推理結(jié)構(gòu)分為三級(jí)。第一級(jí)是合成。它把來自幾個(gè)獨(dú)立傳感器的報(bào)告合成為一個(gè)總的輸出。第二級(jí)是推斷。由它獲取傳感器報(bào)告并進(jìn)行推斷,將傳感器報(bào)告擴(kuò)展成目標(biāo)報(bào)告。第三級(jí)是更新。因各種傳感器一般都有隨機(jī)誤差,所以在進(jìn)行推斷和多傳感器合成之前要先更新傳感器級(jí)的信息。卡爾曼濾波用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù),該方法用測(cè)量模型的統(tǒng)計(jì)特性遞推決定統(tǒng)計(jì)意義下最優(yōu)融合數(shù)據(jù)估計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布的白噪聲模型,卡爾曼濾波為融合數(shù)據(jù)提供唯一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì)。卡爾曼濾波的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。產(chǎn)生式規(guī)則可以建立自然景象專家系統(tǒng),根據(jù)多傳感器的檢測(cè)數(shù)據(jù),使用符號(hào)來表示環(huán)境特征。模糊邏輯通過指定一個(gè)0到1之間的實(shí)數(shù)來表示真實(shí)度,可將多傳感器數(shù)據(jù)融合過程中的不確定性直接表示在推理過程中。3基于人工神經(jīng)網(wǎng)絡(luò)法的超聲波傳感器數(shù)據(jù)的整合3.1多層處理單元人工神經(jīng)網(wǎng)絡(luò)方法是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法。一個(gè)神經(jīng)網(wǎng)絡(luò)包括以各種方式連接的多層處理單元。神經(jīng)網(wǎng)絡(luò)對(duì)輸入的數(shù)據(jù)進(jìn)行非線性變換,以此完成聚類分析技術(shù)所進(jìn)行的從數(shù)據(jù)到屬性的分類(網(wǎng)的結(jié)果輸出)。這樣,神經(jīng)網(wǎng)絡(luò)就用于把多傳感器的數(shù)據(jù)變換成一個(gè)實(shí)體的聯(lián)合的屬性說明。人工神經(jīng)網(wǎng)絡(luò)不用模型,適用于非線性測(cè)試情況。3.2實(shí)驗(yàn)數(shù)據(jù)產(chǎn)生在SD-1移動(dòng)機(jī)器人周圍裝有一圈(16個(gè))傳感器,分成8組,每組2個(gè),每組傳感器平臺(tái)安置如圖2所示。在平臺(tái)上安置2個(gè)超聲波傳感器,它們的中心線是平行的。每個(gè)傳感器既是發(fā)射器又是接收器,它發(fā)射超聲波接收返回波。為了避免波束相互干擾,傳感器依次發(fā)射波束。從這兩個(gè)傳感器得到的傳感數(shù)據(jù),用人工神經(jīng)網(wǎng)絡(luò)方式進(jìn)行融合,對(duì)實(shí)際距離進(jìn)行估計(jì)。人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)是兩個(gè)傳感器的測(cè)量值d1與d2,輸出是平臺(tái)中心到平臺(tái)上方物體的距離d,這里采用的人工神經(jīng)網(wǎng)絡(luò)是一種前饋網(wǎng)絡(luò),如圖3所示。實(shí)驗(yàn)中,發(fā)現(xiàn)用兩個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò),試驗(yàn)效果良好。人工神經(jīng)網(wǎng)絡(luò)中的每個(gè)隱藏層采用25個(gè)處理元件。傳感器數(shù)據(jù)產(chǎn)生于一個(gè)射線開放角為22°的超聲波傳感器模型。在這個(gè)模型中,傳感器的讀數(shù)被假設(shè)為是從傳感器到物體在那個(gè)角度內(nèi)的最短距離。傳感器的有效距離為0.3m～4.5m,實(shí)驗(yàn)數(shù)據(jù)是在有效距離和0°～30°的隨機(jī)角度內(nèi)隨機(jī)產(chǎn)生的。人工神經(jīng)網(wǎng)絡(luò)算法中的整批實(shí)驗(yàn)數(shù)據(jù)包含兩千組傳感器讀數(shù)。首批的連接權(quán)系統(tǒng)數(shù)wij隨機(jī)設(shè)置在1.0～-1.0范圍內(nèi)。實(shí)驗(yàn)中,實(shí)驗(yàn)數(shù)據(jù)的每一類被輸入到人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中,wij被反復(fù)評(píng)價(jià)。所有的實(shí)驗(yàn)數(shù)據(jù)反復(fù)使用,直到人工神經(jīng)網(wǎng)絡(luò)的輸出誤差符合要求。評(píng)價(jià)公式如下。EΚ=(dk-ˉdΚ)2,(1)EK=(dk?dˉK)2,(1)其中EK——單個(gè)樣本K的誤差;ˉdΚdˉK——網(wǎng)絡(luò)的期望輸出,dK——網(wǎng)絡(luò)的實(shí)際輸出。netjk=∑iWijΟik,δjk=οEk/οnetjk,(2)netjk=∑iWijOik,δjk=οEk/οnetjk,(2)其中Ojk=f(netjk)οEk/οWij=(οEk/οnetjk)×(οnetjk/οWij)=οEk/οnetjk×Οik=δjkΟik,(3)οEk/οWij=(οEk/οnetjk)×(οnetjk/οWij)=οEk/οnetjk×Oik=δjkOik,(3)其中Oik——該節(jié)點(diǎn)輸入。δjk=2(dk-ˉdk)f(netjk)(4)ΔWij=-αοEik/οWij=-αδjkΟik(5)3.3超聲波傳感器融合法圖4顯示了人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)曲線。曲線一開始變化速度快,然后慢慢下降,需要長(zhǎng)時(shí)間達(dá)到最小誤差狀態(tài)。采用實(shí)際的測(cè)試來驗(yàn)證人工神經(jīng)網(wǎng)絡(luò)的這種傳感器融合算法。如圖2所示,在平臺(tái)上平行安置了兩個(gè)超聲波傳感器,平臺(tái)能被步進(jìn)電機(jī)旋轉(zhuǎn)。這個(gè)系統(tǒng)設(shè)置為掃描平臺(tái)上方的磚墻,被測(cè)數(shù)據(jù)每2°取一次。圖5(a)顯示了平臺(tái)右邊那個(gè)傳感器的掃描圖像。從圖中可以看出,墻中央附近的傳感數(shù)據(jù)(0°左右)誤差不大,這是因?yàn)槌暡▊鞲衅髟?°左右不存在射線開放角度問題。圖5(b)顯示了用人工神經(jīng)網(wǎng)絡(luò)融合算法得到的結(jié)果,可見誤差已非常小。4測(cè)試系統(tǒng)的實(shí)現(xiàn)SD-1移動(dòng)機(jī)器人有四個(gè)輪子,后面兩輪是統(tǒng)一驅(qū)動(dòng)的主動(dòng)輪,前面兩輪為方向輪。設(shè)有兩種運(yùn)行速度,即直線運(yùn)行時(shí)為20cm/s,轉(zhuǎn)彎時(shí)為10cm/s。每個(gè)超聲波傳感器的測(cè)距范圍為0.5m～4m,機(jī)器人控制系統(tǒng)分為控制級(jí)和規(guī)劃級(jí)兩級(jí),控制級(jí)由兩片80C196KC分別控制本體運(yùn)動(dòng)和16個(gè)傳感器的分時(shí)工作,規(guī)劃級(jí)由一臺(tái)486計(jì)算機(jī)組成,完成數(shù)據(jù)的分析、融合和運(yùn)動(dòng)軌跡規(guī)劃。為了驗(yàn)證這一系統(tǒng),在一個(gè)特殊布置的實(shí)驗(yàn)室里進(jìn)行了試驗(yàn),獲得了較好的效果,如圖6所示。由圖6可以看出,機(jī)器人調(diào)整方向較慢,這是因?yàn)閮芍鲃?dòng)輪是統(tǒng)一驅(qū)動(dòng)的,若改為分別驅(qū)動(dòng)將會(huì)得到改善。5機(jī)器人的網(wǎng)絡(luò)實(shí)動(dòng)技術(shù)本文采